#yolo Repositories
Insgesamt 88 Repositories
YoloDotNet - Ein C# .NET 8.0-Projekt für Klassifizierung, Objekterkennung, OBB-Erkennung, Segmentierung und Pose-Schätzung in Bildern und Live-Videostreams.
Dieses Repository enthält ein umfassendes Computer-Vision/Machine-Learning-Fußballprojekt, das YOLO zur Objekterkennung, Kmeans zur Pixel-Segmentierung, optischen Fluss zur Bewegungsverfolgung und perspektivische Transformation zur Analyse von Spielerbewegungen in Fußballvideos verwendet.
Omega-AI ist ein auf Java basierendes Deep-Learning-Framework, mit dem Sie schnell neuronale Netze für Inferenz und Training erstellen können. Seine Engine unterstützt automatische Differentiation, Multithreading und GPU-Beschleunigung mit CUDA und cuDNN.
GB28181-2022-NVR | ONVIF/RTMP/RTSP | ZLMediaKit | Lokale YOLO-Erkennung | Private Bereitstellung
🚀🚀🚀Eine Sammlung einiger beeindruckender öffentlicher Projekte zu Large Language Models (LLM), Vision Language Models (VLM), Vision Language Action (VLA), AI Generated Content (AIGC), den dazugehörigen Datensätzen und Anwendungen.
Ein Open-Source-Computer-Vision-Framework zum Erstellen und Bereitstellen von Apps in wenigen Minuten
[CVPR2026]🚀🚀🚀Offizieller Code für das Papier "YOLO-Master: MOE-Accelerated mit spezialisierten Transformern für verbesserte Echtzeit-Erkennung." *(YOLO = You Only Look Once)* 🔥🔥🔥
YOLOv11-RGBT: Auf dem Weg zu einem umfassenden einstufigen multispektralen Objekterkennungs-Framework (Unterstützt RGBT-Erkennung für alle YOLO-Serien von YOLOv3 bis YOLOv13 sowie RTDETR. 【Ultralytics YOLOv3-YOLOv13】
yolort ist ein Laufzeit-Stack für yolov5 auf spezialisierten Beschleunigern wie tensorrt, libtorch, onnxruntime, tvm und ncnn.
GUI zum Markieren von Bounding Boxes von Objekten in Bildern für das Training des neuronalen Netzwerks YOLO
Geteilte Ultralytics-Logos, Medien, Beispielbilder, vortrainierte Modellgewichte, Datensatzartefakte und Release-Assets.
Eine Full Stack ML (Machine Learning) Roadmap beinhaltet das Erlernen der notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens versiert zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.
Dataset Management Framework, eine Python-Bibliothek und ein CLI-Tool zum Erstellen, Analysieren und Verwalten von Computer-Vision-Datensätzen.
Erkennung von Schieberegler-CAPTCHAs mit einer oder mehreren Lücken, Installation und Nutzung über pip, Bereitstellung der API lokal oder auf einem Server möglich
Ein offenes Framework zur Simulation und Bereitstellung wahrnehmungsbasierter Drohnenschwärme mit PX4/ArduPilot/Betaflight, ROS2, YOLO und NVIDIA Jetson
🚀🚀🚀 YOLO-Serie von PaddlePaddle-Implementierungen, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet und so weiter. 🚀🚀🚀
Die offizielle PyTorch-Implementierung von „Mamba-YOLO: SSM-basiert für Objekterkennung“
End-to-End-YOLOv4/v3/v2-Objekterkennungs-Pipeline, implementiert auf tf.keras mit verschiedenen Technologien
Tool zur Generierung von ML-Trainingsdaten basierend auf Computer Vision :rocket:
dddmr_navigation ist die 3D-Navigationslösung für mobile Roboter, die Kartierung, Lokalisierung, Wahrnehmung, Pfadplanung, Steuerung und einen Navigations-Stack umfasst.
Schnelle Echtzeit-Objekterkennung mit hochauflösendem Output https://x.com/_akhaliq/status/1840213012818329826 https://x.com/githubprojects/status/1891370506537910724 https://www.threads.net/@githubprojects/post/DGKdoE4zdUX
🚀 Eine leistungsstarke Echtzeit-Objekterkennungslösung mit YOLO11 ⚡️, angetrieben von ONNX-Runtime
Python-Bibliothek für YOLO-Kleinstobjekterkennung und Instanzsegmentierung
RectLabel ist ein Offline-Tool zur Bildannotation für Objekterkennung und Segmentierung.
Ultralytics YOLO iOS-App und Swift-Paket für Echtzeit-Core-ML-Inferenz bei wichtigen Computer-Vision-Aufgaben.
YOLO SHOW - YOLO GUI auf Pyside6-Basis für YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
🧠 Kontext-Engineering-Forschung – Nicht nur eine weitere Agentensammlung, sondern die Nutzung von Forschung und Kontext-Engineering, um als Kollektiv zu funktionieren. Hub-and-Spoke-Koordination über Claude Code.
Offizielles Ultralytics-YOLO-Flutter-Plugin für Echtzeit-Inferenz auf Android und iOS bei den wichtigsten Bildverarbeitungsaufgaben.
YOLO Magic🪄 ist eine Erweiterung, die auf Ultralytics' YOLOv5 basiert und entwickelt wurde, um leistungsfähigere Funktionalitäten und einfachere Bedienung für visuelle Aufgaben zu bieten.
Erstellen Sie eine Verkehrsdarstellung im Stil eines digitalen Zwillings, ausschließlich anhand von CCTV-Aufnahmen im MP4-Format und deren Standort in Google Maps.